一种基于FPGA的点云预处理加速方法、加速器及电子设备技术

本申请实施例中提供了一种基于FPGA的点云预处理加速方法、加速器及电子设备，加速方法包括：接收参数配置并启动命令；划分得到体素，每个体素中包含若干个点云；在FPGA上维护一个体素表，记录每个体素中点云的数量和相关信息；读取待处理的点云数据并进行计算处理，计算结果存储于所述DDR中；读取所述计算结果数据并进行最大值池化处理，并将池化后结果写入所述DDR中，同时完成scatter的功能。通过本申请的处理方案，数据存储结构采用FPGA片上存储，降低了片内存储资源的消耗；充分利用流水线并行技术，实现了点云数据的并行处理，极大地提高数据吞吐率，从而提高点云预处理的速度，以满足自动驾驶场景的需求。以满足自动驾驶场景的需求。以满足自动驾驶场景的需求。

【技术实现步骤摘要】
一种基于FPGA的点云预处理加速方法、加速器及电子设备


[0001]本申请涉及点云数据处理
，尤其涉及一种基于FPGA的点云预处理加速方法、加速器及电子设备。

技术介绍

[0002]现有的机器学习系统大部分通过CPU或GPU计算，存在结构复杂、计算量和数据量巨大、功率和能耗高的问题，无法直接应用于汽车等嵌入式环境中。这极大地影响了深度学习的使用场景。
[0003]在实际的应用过程中如果处理延时过大或者占用的算力、存储资源较多，会大大限制CNN(Convolutional Neural Networks，卷积神经网络)的应用领域。比如在自动驾驶领域对图像、激光雷达点云的处理方面，不仅要处理数据量大而且实时性要求也比较高，所以对CNN如何优化达到高吞吐率、低延时研究是迫切的。
[0004]通常情况下，点云预处理算法在CPU上运行，而CPU对点云数据进行串行处理，无法实现流水线并行处理，在处理大规模点云数据时，CPU上传统的点云数据处理方式会占据较长的处理时间，往往会成为系统性能的瓶颈，从而无法满足自动驾驶的实时性要求。
...

【技术保护点】

【技术特征摘要】
1.一种基于FPGA的点云预处理加速方法，其特征在于，包括以下步骤：接收参数配置并启动命令；将待处理图按网格划分成若干个体素，每个所述体素中包含若干个点云；在FPGA上维护一个体素表，所述体素表记录每个所述体素中点云的数量和相关信息；从DDR中流水读取待处理的点云数据；对所述点云数据进行计算处理，计算结果存储于所述DDR中；根据所述体素表中点云相关信息在所述DDR中读取所述计算结果数据；根据所述读取的计算结果数据，分别对每个所述体素中的点云数据做最大值池化处理，并将池化后结果写入所述DDR中，将所述池化后结果写入所述DDR的同时完成scatter的功能。2.根据权利要求1所述的基于FPGA的点云预处理加速方法，其特征在于，所述点云计算模块对所述点云数据进行计算处理，其中，所述计算处理包括计算体素中心坐标，计算点云偏移体素中心的坐标，卷积运算，激活函数和归一化。3.根据权利要求2所述的基于FPGA的点云预处理加速方法，其特征在于，所述计算体素中心坐标和计算点云偏移体素中心的坐标时使用串行流水线的方式计算，一组点云数据产生一组坐标。4.根据权利要求2所述的基于FPGA的点云预处理加速方法，其特征在于，进行所述卷积运算时，一组点云数据产生若干个通道并采用多通道卷积运算，所述多通道卷积运算采用并行处理。5.根据权利要求1所述的基于FPGA的点云预处理加速方法，其特征在于，所述参数配置包括待处理的数据量、源数据地址、目的地址以及点云计算时所用参数。6.根据权利要求1所述的基于FPGA的点云预处理加速方法，其特征在于，所述体素表中记录的相关信息包括每个体素中已经处理的点云数量以及所述计算结果在所述DD...

【专利技术属性】
技术研发人员：王维杰，郭开元，张剑，
申请(专利权)人：北京超星未来科技有限公司，
类型：发明
国别省市：